Sistema de Reconocimiento de DNI Español

Este sistema permite extraer información de imágenes de DNI españoles mediante técnicas avanzadas de OCR (Reconocimiento Óptico de Caracteres) combinadas con análisis inteligente.

Características

• Extracción precisa de nombres, apellidos, números de documento, fechas y otros datos relevantes
• Preprocesamiento de imágenes adaptado específicamente a DNI españoles
• Detección por regiones específicas para mayor precisión
• Análisis contextual para mejorar la precisión en campos críticos
• Combinación de OCR local (Tesseract) con API de OpenAI para resultados óptimos

Requisitos

• Python 3.7 o superior
• Tesseract OCR 5.0 o superior (con soporte para idioma español)
• Bibliotecas Python: pytesseract, opencv-python, numpy, pillow, python-dateutil, python-dotenv

Instalación

1. Instalación de Tesseract con soporte para español

Windows:

1. Descargar el instalador desde UB Mannheim Tesseract
2. Durante la instalación, seleccionar "Spanish" en la lista de idiomas adicionales
3. Agregar Tesseract a la variable de entorno PATH (normalmente: C:\Program Files\Tesseract-OCR)

Linux (Debian/Ubuntu):

sudo apt update
sudo apt install tesseract-ocr
sudo apt install tesseract-ocr-spa

macOS:

brew install tesseract
brew install tesseract-lang

2. Instalación de dependencias Python

pip install pytesseract pillow opencv-python python-dateutil python-dotenv

3. Configuración

Crear un archivo .env en el directorio raíz con las siguientes variables:

OPENAI_API_KEY=tu_clave_de_api_aquí

Uso

from IDAnalyzer import process_dni_image

# Procesar una imagen de DNI con OpenAI
resultado = process_dni_image("ruta/a/tu/imagen_dni.jpg", use_openai=True)
print(resultado)

# Procesar utilizando solo análisis local sin OpenAI
resultado_local = process_dni_image("ruta/a/tu/imagen_dni.jpg", use_openai=False)
print(resultado_local)

El resultado será un diccionario con los siguientes campos:

{
    "Nombre": "NOMBRE_PERSONA",
    "Apellido": "APELLIDOS_PERSONA",
    "Documento": "12345678A",
    "FechaDeNacimiento": "01/01/1990",
    "TipoDocumento": "DNI",
    "Sexo": "M",
    "Nacionalidad": "ESP",
    "FechaValidez": "01/01/2030"
}

Troubleshooting

Si Tesseract no es encontrado en PATH:

Modificar la línea en IDAnalyzer.py:

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'  # Ajustar a tu ruta

Problemas con el reconocimiento del español:

Verificar que los archivos de idioma español estén correctamente instalados:

• Windows: Carpeta tessdata dentro del directorio de instalación de Tesseract
• Linux: /usr/share/tesseract-ocr/4.00/tessdata/
• macOS: /usr/local/share/tessdata/

El archivo spa.traineddata debe estar presente.

Optimización

Para mejorar el reconocimiento:

1. Utilizar imágenes de alta resolución (mínimo 300 DPI)
2. Asegurar iluminación uniforme sin sombras o reflejos
3. Capturar la imagen con el DNI completamente visible y sin inclinación

Licencia

Este proyecto es de código abierto bajo la licencia MIT.